基于Lotka-Volterra模型的多群协同竞争粒子群优化及其在移动机器人路径规划中的应用研究

主要研究基于Lotka-Voterra模型的多群协同竞争粒子群优化算法及其在移动机器人路径规划中的应用。前者主要针对现有粒子群优化算法存在的早熟收敛问题，把生态学中的Lotka-Voterra模型引入粒子群优化中，通过群内和群间竞争增加粒子多样性，提高种群摆脱局部极值的能力。后者主要研究综合考虑规划路径合理性、最优性、完备性、实时性、适应性、满足约束性等性能要求的智能路径规划技术。本项目拟把路径规划问题视为在一定约束下的优化计算，并借助基于Lotka-Voterra模型的多群协同竞争粒子群优化算法进行求解，研究利用三次Ferguson样条描述移动机器人路径的方法以及粒子群优化在移动机器人路径规划中的应用方法。本研究对探索粒子群优化在移动机器人路径规划技术中的应用具有重要价值。

将粒子群优化引入机器人路径规划，需要解决传统粒子群算法的早熟收敛问题和建模问题。本项目主要研究基于Lotka-Voterra模型的多群协同竞争粒子群优化算法及其在移动机器人路径规划中的应用。（1）研究了粒子群算法参数优化策略，提出了一种结合收缩因子和惯性权重的粒子群优化算法和一种参数自优化多群粒子群优化算法，提高问题适应性和算法鲁棒性。（2）研究了多群协同竞争粒子群算法框架。提出了基于Lotka-Volterra模型的双群协同竞争粒子群优化算法(LVPSOs)，进一步提出了基于Lotka-Volterra模型的多群协同竞争粒子群优化算法框架(MSLVPSOs)。借鉴生态学中的Lotka-Volterrra模型，构建了不同的多种群合作-竞争机制，通过群内和群间的协作竞争提高粒子逃离局部极优的能力，增加了粒子的多样性，显著提高了算法的收敛精度、收敛速度。（3）研究了多群协同竞争粒子群优化算法在机器人路径规划问题中的应用。提出了一种结合Ferguson样条路径描述和多群协同竞争粒子群算法的路径规划专利。三次样条保证了路径的平滑性，多群协同竞争粒子群算法提高了算法的收敛速度。规划路径更加符合人工规划意图。（4）搭建了移动机器人路径规划通用实验平台，优化了代码。